一种面向评估任务的专家匹配效度测算方法技术

一种面向评估任务的专家匹配效度测算方法，利用标签提取待评估任务的特征向量；同时基于现有工作方向、历史工作经验、教育履历和代表性成果构建评估专家的特征画像，构建效度测算的模型，测算评估专家匹配任务的效度。本发明专利技术的效度值综合考虑专家的多种因素构建评估专家的特征画像，能够更为综合的体现专家匹配度；利用同一专业树对专业匹配度进行计算，匹配精度高，通过多层级的专业分类树提升“专家

【技术实现步骤摘要】
一种面向评估任务的专家匹配效度测算方法


[0001]本专利技术涉及评估测算，具体的，涉及一种对评估任务所需要的专家进行匹配效度测算的方法。

技术介绍

[0002]评估方法按类型划分包括定量评估和定性评估两大类。定量评估虽然能够用数据说话，用数学方法做支撑，形式上也更加科学精确，但由于评估问题的复杂性，很多评估问题是难以用可量化的因素或指标来表示的，因此定性定量相结合的评估手段是评估复杂任务必不可少的手段。专家打分评估是其中的典型表现形式。
[0003]专家打分是基于专家判断的评估方式，评估结果会受评估专家专业知识、工作经验、教育背景等多方面因素的影响。因此能否为评估任务匹配合适的专家，是决定评估结果准确性和可信度的关键。
[0004]因此，如何基于专家与任务的相关信息，寻找到评估任务与专家匹配度最佳的专家成为现有技术亟需解决的技术问题。

技术实现思路

[0005]本专利技术的目的在于提出一种面向评估任务的专家匹配效度测算方法，通过构建效度测算模型，从现有工作方向、历史工作经验、教育履历和代表性成果四个维度量化考察了专家与任务的匹配度，为专家的遴选，或者也可以作为评估结果分析中，确定权重系数或修正系数的依据。
[0006]为达此目的，本专利技术采用以下技术方案：
[0007]一种面向评估任务的专家匹配效度测算方法，其特征在于，包括如下步骤：
[0008]基于特征向量的评估任务表示步骤S110：
[0009]对评估任务进行全面合理归纳的基础上，提取出能够代表评估任务特征的标签，按照重要性和符合度进行排序，并赋予权重，其中有m个特征标签的评估任务，其特征向量记为：
[0010][0011]式中，p
j
代表评估任务的第j项特征，λ
j
表示评估任务的第j项特征p
j
的权重值，
[0012]评估专家的多维特征画像描述步骤S120：
[0013]基于专家在长期的工作和学习过程中逐步积累和形成的专业知识、工作经验、教育背景的特征信息，表征专家特征画像的向量K，其中向量K能够用四维元组结构来表示：
[0014][0015]其中，S表示专家当前工作领域的特征向量，由专家当前的工作岗位的专业方向、职务职称和任职年限的三维特征构成；
[0016]E表示专家以往工作经验的特征向量，由专家以往工作的专业方向、职务职称，任职年限，以及岗位类别的四维特征构成；
[0017]T表示专家教育背景的特征向量，由专家所学专业方向、院校等级和教育层级的三维特征构成；
[0018]Y表示专家工作业绩的特征向量，由专家取得的代表性成果所属专业方向、成果等级、个人排名的三维特征构成；
[0019]专家匹配任务的效度值计算步骤S130:
[0020]构建专家匹配效度计算模型，根据在步骤S110评估任务特征标签P中的每一特征标签项p
j
分别与步骤S120中得到的专家特征画像的四个维度(S，E，T,Y)进行效度值测算，得到专家针对该任务特征标签的单个效度值V
j
，累加所有标签的单个效度值得到专家针对任务的总效度值V，
[0021][0022]其中，λ
j
表示评估任务的第j项特征p
j
的权重值，单个效度值V
j
包括四个方面：专业领域分效度V(S，p
j
)用VS
j
表示，工作经验分效度V(E，p
j
)用VE
j
表示，教育背景分效度V(T，p
j
)用VT
j
表示，代表性成果分效度V(Y,p
j
)用VY
j
表示，
[0023]V
j
＝α1VS
j
+α2VE
j
+α3VT
j
+α4VY
j
ꢀꢀꢀꢀ
(4)
[0024]其中，α1、α2、α3、α4为各分效度的权重系数。
[0025]可选的，在基于特征向量的评估任务表示步骤S110中，在提取出能够代表评估任务特征的标签时通过如下三种途径获取：
[0026]一是按照评估任务的内容特点直接总结评估任务特征；二是从评估任务概述、评估目的、评估要求中抽取任务特征；三是从最具代表性的评估指标中提取评估任务特征。
[0027]可选的，在专家匹配任务的效度值计算步骤S130中，
[0028]专业领域分效度VS
j
具体为：
[0029]专业领域分效度测算主要考虑专家当前工作岗位的专业匹配度、专业权威度、任职时长的三个要素，表示为：
[0030]VS
j
＝L
j
×
G
j
×
D
j
ꢀꢀꢀꢀ
(5)
[0031]专业匹配度L
j
，即评估任务特征标签与专家现任职岗位所属专业方向的匹配程度，专业方向越接近，匹配度就越高；
[0032]专业权威度G
j
，用专家现所在单位的层级以及专家的职务职称表示，具体表达式为：
[0033]G
j
＝CW
j
+CA
j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0034]其中，CW
j
表示单位层级的权威度，CA
j
表示个人职级的权威度；
[0035]任职时长效度D
j
，用专家在该职位上的任职年限来表示，具体计算模型如下：
[0036]D
j
＝log2(T+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0037]其中T为专家在该职务上的任职年限，单位：年。
[0038]可选的，在专家匹配任务的效度值计算步骤S130中，
[0039]工作经验分效度VE
j
具体为：
[0040]工作经验分效度的表达式为：
[0041][0042]在公式(8)中用LE、GE和DE分别表示以往工作的专业匹配度、职位权威度和任职时长效度，其计算模型分别与专业领域分效度VS
j
中的专业匹配度、专业权威度和任职时长效度相同，其中，s表示在专家以往的工作中，从事的专业领域数目，k表示专家在同一个专业领域中职位的数目，
[0043]任职岗位类型复合度AE
j
，表示在不同岗位类型、职位类型的任职经验。
[0044]可选的，在专家匹配任务的效度值计算步骤S130中，
[0045]教育背景分效度VT
j
具体为：
[0046]主要考虑所学专业方向、院校等级和教育层级的三个因素，表示为：
[0047][0048]其中，n为接受学历教育的阶段数，
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向评估任务的专家匹配效度测算方法，其特征在于，包括如下步骤：基于特征向量的评估任务表示步骤S110：对评估任务进行全面合理归纳的基础上，提取出能够代表评估任务特征的标签，按照重要性和符合度进行排序，并赋予权重，其中有m个特征标签的评估任务，其特征向量记为：式中，p
j
代表评估任务的第j项特征，λ
j
表示评估任务的第j项特征p
j
的权重值，评估专家的多维特征画像描述步骤S120：基于专家在长期的工作和学习过程中逐步积累和形成的专业知识、工作经验、教育背景的特征信息，表征专家特征画像的向量K，其中向量K能够用四维元组结构来表示：其中，S表示专家当前工作领域的特征向量，由专家当前的工作岗位的专业方向、职务职称和任职年限的三维特征构成；E表示专家以往工作经验的特征向量，由专家以往工作的专业方向、职务职称，任职年限，以及岗位类别的四维特征构成；T表示专家教育背景的特征向量，由专家所学专业方向、院校等级和教育层级的三维特征构成；Y表示专家工作业绩的特征向量，由专家取得的代表性成果所属专业方向、成果等级、个人排名的三维特征构成；专家匹配任务的效度值计算步骤S130:构建专家匹配效度计算模型，根据在步骤S110评估任务特征标签P中的每一特征标签项p
j
分别与步骤S120中得到的专家特征画像的四个维度(S，E,T，Y)进行效度值测算，得到专家针对该任务特征标签的单个效度值V
j
，累加所有标签的单个效度值得到专家针对任务的总效度值V，其中，λ
j
表示评估任务的第j项特征p
j
的权重值，单个效度值V
j
包括四个方面：专业领域分效度V(S,p
j
)用VS
j
表示，工作经验分效度V(E,p
j
)用VE
j
表示，教育背景分效度V(T,p
j
)用VT
j
表示，代表性成果分效度V(Y,p
j
)用VY
j
表示，
V
j
＝α1VS
j
+α2VE
j
+α3VT
j
+α4VY
j
ꢀꢀꢀꢀꢀꢀꢀ
(4)其中，α1、α2、α3、α4为各分效度的权重系数。2.根据权利要求1所述的专家匹配效度测算方法，其特征在于：在基于特征向量的评估任务表示步骤S110中，在提取出能够代表评估任务特征的标签时通过如下三种途径获取：一是按照评估任务的内容特点直接总结评估任务特征；二是从评估任务概述、评估目的、评估要求中抽取任务特征；三是从最具代表性的评估指标中提取评估任务特征。3.根据权利要求1所述的专家匹配效度测算方法，其特征在于：在专家匹配任务的效度值计算步骤S130中，专业领域分效度VS
j
具体为：专业领域分效度测算主要考虑专家当前工作岗位的专业匹配度、专业权威度、任职时长的三个要素，表示为：VS
j
＝L
j
×
G
j
×
D
j
ꢀꢀꢀꢀꢀꢀꢀ
(5)专业匹配度L
j
，即评估任务特征标签与专家现任职岗位所属专业方向的匹配程度，专业方向越接近，匹配度就越高；专业权威度G
j
，用专家现所在单位的层级以及专家的职务职称表示，具体表达式为：G
j
＝CW
j
+CA
j

【专利技术属性】
技术研发人员：张峰，程永军，李妍，王伟，沈洋，
申请(专利权)人：中国人民解放军军事科学院评估论证研究中心，
类型：发明
国别省市：